Estimação da Receita Líquida de uma Empresa de Varejo através de uma Modelagem Estrutural
|
|
- Edison Bayer Igrejas
- 6 Há anos
- Visualizações:
Transcrição
1 Estimação da Receita Líquida de uma Empresa de Varejo através de uma Modelagem Estrutural Marco Antônio dos Santos Martins (ESPM Sul/Unifin) - mmartins@jminvest.com Frederike Monika Budiner Mette (ESPM Sul/ Unifin) - frederikemette@yahoo.com.br Guilherme Ribeiro de Macêdo (UFRGS) - ribeiroguilherme@gmail.com Resumo: O comportamento das vendas do varejo desempenha um papel relevante como componente da demanda agregada, integrando os modelos de política macroeconômica como, por exemplo, os modelos de política monetária, fazendo com que economistas e pesquisadores desenvolvam ferramentas cada vez mais sofisticadas para reduzir o nível de erro de estimação. Por outro lado, a nível microeconômico, as empresas do setor de varejo tem na projeção de vendas a variável determinante para a estimação de volume de capital de giro, de margens de lucro e do orçamento de resultados. Desta forma, a modelagem adequada desta série de vendas é muito importante para diversos setores da economia. Assim, a proposta do presente artigo foi utilizar modelos estruturais para modelar de forma mais robusta as vendas das empresas do setor varejista, afim de utilizá-lo como ferramenta de orçamento para as empresas do varejo, fundamentando-se na metodologia do filtro de Kalman. Para isso, foi utilizada uma série de vendas nominais do varejo trimestrais, compreendida entre o primeiro trimestre de 2000 até o primeiro trimestre de 2008, gerando equações de regressões pelo modelo estrutural para estimar o modelo dentro da amostra e fora dela, com o software Stamp Os resultados demonstraram que a utilização dos modelos estruturais aumenta a capacidade de previsão das séries de vendas ao segregar o modelo em vários componentes, tais como tendência e sazonalidade. Palavras-chave: Estimação de Vendas do Setor Varejista. Modelos Estruturais. Filtro de Kalman. Área temática: Métodos quantitativos aplicados à gestão de custos
2 Estimação da Receita Líquida de uma Empresa de Varejo através de uma Modelagem Estrutural Resumo O comportamento das vendas do varejo desempenha um papel relevante como componente da demanda agregada, integrando os modelos de política macroeconômica como, por exemplo, os modelos de política monetária, fazendo com que economistas e pesquisadores desenvolvam ferramentas cada vez mais sofisticadas para reduzir o nível de erro de estimação. Por outro lado, a nível microeconômico, as empresas do setor de varejo tem na projeção de vendas a variável determinante para a estimação de volume de capital de giro, de margens de lucro e do orçamento de resultados. Desta forma, a modelagem adequada desta série de vendas é muito importante para diversos setores da economia. Assim, a proposta do presente artigo foi utilizar modelos estruturais para modelar de forma mais robusta as vendas das empresas do setor varejista, afim de utilizá-lo como ferramenta de orçamento para as empresas do varejo, fundamentando-se na metodologia do filtro de Kalman. Para isso, foi utilizada uma série de vendas nominais do varejo trimestrais, compreendida entre o primeiro trimestre de 2000 até o primeiro trimestre de 2008, gerando equações de regressões pelo modelo estrutural para estimar o modelo dentro da amostra e fora dela, com o software Stamp Os resultados demonstraram que a utilização dos modelos estruturais aumenta a capacidade de previsão das séries de vendas ao segregar o modelo em vários componentes, tais como tendência e sazonalidade. Palavras-chave: Estimação de Vendas do Setor Varejista. Modelos Estruturais. Filtro de Kalman. Área Temática: 3 Métodos quantitativos aplicados à gestão de custos 1 Introdução O atual cenário econômico mundial leva a necessidade do entendimento de que o sistema de gerenciamento de qualquer entidade requer a clara definição de seu processo de gestão, considerando, especialmente, a dinâmica de seus negócios. Nesse processo estão estabelecidos implícita ou explicitamente os diversos métodos e caminhos que a administração maior da organização estabelece para que os objetivos e metas sejam atingidos. Esse processo de gestão inicia na missão da empresa e no modelo de gestão, onde pode ser observado o conjunto das crenças e valores que devem nortear o comportamento dos gestores. Dessa forma, o processo de gestão pode ser definido como o conjunto de procedimentos e determinações que os gestores identificam como necessários para impulsionar a empresa da atual situação à outra identificada como possível e desejada em um tempo futuro (SANTOS, SCHMIDT, PINHEIRO E MARTINS, 2008). O planejamento orçamentário objetiva não só prever os fluxos de caixa, resultados e situação patrimonial da empresa, mas também controlar esses itens a fim de que os mesmos sejam atingidos. Para que se possam controlar esses objetivos, é importante que se elabore um cronograma de todas as operações, quantificando-os por meio de metas. Essas metas propiciarão as bases para o julgamento dos planos, bem como a sua validação, por meio da comparação com os indicadores de desempenho da empresa (SANTOS, SCHMIDT, PINHEIRO E MARTINS, 2008).
3 O elemento-chave de um orçamento operacional é o orçamento de vendas, que pode ser considerado o ponto de partida de todo o processo de elaboração das peças orçamentárias. Essa importância está diretamente relacionada ao fato de que, para a maioria das empresas, todo o processo de planejamento operacional decorre da percepção da demanda de seus produtos para o período a ser orçado. É por isso que o volume de vendas é, em geral, o fator limitando para todo o processo orçamentário (PADOVEZE E TARANTO, 2009). Considerando a importância do acompanhamento das vendas do varejo a nível de estimativas macro e microeconômicas e a grande importância para a construção de um orçamento empresarial de um modelo robusto para a projeção de vendas no setor de varejo, o presente artigo tem por objetivo utilizar os modelos estruturais para modelar e estimar a série de vendas de uma empresa de varejo. Para atingir este objetivo, o artigo se propõe a decompor a amostra de vendas trimestrais, compreendida entre o primeiro trimestre de 2000 até o primeiro trimestre de 2008, em componentes capazes de gerar interpretações diretas, com a utilização do com o software Stamp Abandonando, assim, a modelagem mais simples que é a de tratar somente a tendência da série, por modelagens de mínimos quadrados ordinários. A modelagem proposta como a mais adequada a uma série temporal econômica com esta característica é a de decompor a série a partir de uma equação capaz de tratar separadamente a tendência, a sazonalidade e o erro estocástico. Em alguns casos cabe ainda tratar o ciclo das séries. De acordo com a literatura, o tratamento das séries temporais em componentes específicos se justifica pelo fato de descrever a série em termos de componentes não observados e facilitar uma previsão com menor nível de erro. Harvey (2003) destaca, no entanto, que o modelo estrutural deve ser flexível no sentido de permitir que ele responda adequada e rapidamente às mudanças direcionais das séries. Assim, torna-se necessário que os modelos de séries de tempo estruturais possuam componentes variáveis no tempo. Para atingir os seus objetivos, o trabalho está dividido em mais três seções além desta: na segunda será apresentada uma breve revisão teórica com o objetivo de introduzir e apresentar conceitos orçamentários, de previsão e o modelo de estimação; na terceira seção do trabalho há a apresentação dos dados da amostra, da metodologia adotada e dos resultados do modelo; e a última seção é dedicada às considerações finais. 2 Revisão Teórica Segundo Sá e Moraes (2005, p.59) o orçamento empresarial é um instrumento de gestão necessário para qualquer empresa, independentemente de seu porte ou tipo de atividade econômica. Assim, a técnica orçamentária projetará as prováveis receitas, verificando, assim, se a empresa encontrará suporte para manter-se no mercado. É preciso especializar-se, conhecer profundamente o mercado e o cliente, para antecipar-se às tendências, detectar as mudanças e atender às suas necessidades e exigências para obter-se uma maior precisão na elaboração do orçamento. O orçamento empresarial pode ser definido como sendo a quantificação do planejamento estratégico da empresa. É utilizado para fixar metas quantitativas de receitas, ganhos, despesas e perdas, bem como fluxos futuros de caixa e patrimônio da empresa (SANTOS, SCHMIDT, PINHEIRO E MARTINS, 2008). A construção do orçamento empresarial implica necessariamente, na criação de um modelo capaz de projetar o futuro da empresa em termos de resultados, fluxos de caixa e patrimônio, com base em informações pretéritas, bem como baseadas em modificações recentes ocorridas no cenário econômico, ou na estrutura da própria organização. Assim, ele
4 não será preciso, mas auxiliará a concretização do planejamento estratégico (SANTOS, SCHMIDT, PINHEIRO E MARTINS, 2008). A etapa inicial do orçamento de vendas consiste em determinar a quantidade de produtos da empresa que será vendida nos próximos períodos. É verdade que cada empresa tem seu grau de dificuldade em estimar essas quantidades, mas é verdade também que essa é a etapa mais difícil do orçamento de vendas. Essa dificuldade é considerada natural, dada a imprevisibilidade das situações conjunturais da economia e as sazonalidades existentes. Entretanto, a leitura do ambiente e a construção dos cenários, bem como outras informações constantes no sistema de acompanhamento do negócio, devem possibilitar um mínimo de condições de estabelecer probabilidades de acontecimentos de vendas futuras (PADOVEZE E TARANTO, 2009). Padoveze e Taranto (2009) afirmam que o método estatístico dá uma forte possibilidade de um acerto razoável das quantidades que serão vendidas. O método estatístico consiste em utilizar modelos estatísticos de correlação e análise setorial com base em recursos computacionais ou mesmo direto de análise de tendências. Extremamente útil quando o passado consegue prever um comportamento futuro das vendas, é o método utilizado quando se tem muita dificuldade em saber o que vai se vender. Dentre os métodos estatísticos, podemos usar diferentes critérios, entre eles: Correlação com o crescimento do setor ou do PIB. Análise de tendência regressão linear e mínimos quadrados ordinários. Combinação dos dois métodos anteriores. Pesquisa de mercado. Correlação ou participação no tamanho do mercado. Uma das alternativas ao método de mínimos quadrados ordinários é o filtro de Kalman que é caracterizado por um processo linear dinâmico produzido por um algoritmo formado por equações de recorrência. Este método pode ser facilmente compreendido, se tratado com um problema de inferência Bayesiana e empregando resultados bem conhecidos e elementares da Estatística Multivariada (Araújo, 2000). A fundamentação teórica para decompor uma série em componentes de tendência, sazonais e cíclicos através do filtro de Kalman é suportado pelos estudos teóricos e empirícos propostos por de Harvey (2003). De acordo com Harvey (2003) o grande segredo para se tratar adequadamente as séries de tempo estruturais é colocá-las na forma de espaço-estados, com o estado do sistema representando os componentes não observados. Depois disso, o filtro de Kalman atualiza o estado assim que a nova observação torna-se disponível. As previsões nascem da extrapolação dos componentes para o futuro. A realização das previsões somente ocorrerá após a estimação correta dos parâmetros estocásticos que balizam o comportamento da série, os chamados hiperparâmetros. A sua estimação é fundamentada na metodologia do filtro de Kalman. O modelo estrutural básico (Basic Structural Model) é da forma: y t = µ t + γ t + ψ t +ε t (1) µ t = µ t-1 + β t-1 + η t (2) β t = β t-1 + ξ t (3) γ t = (4) λ j = 2πj/s (5) ψ t = cos(λ).ψ t-1 + sen(λ).ψ * t-1 + k t (6) ψ * t = -sen(λ).ψ t-1 + cos(λ).ψ * * t-1 + k t (7)
5 Onde: µ t : componente de tendência γ t : componente de sazonalidade ψ t : componente cíclico λ j : freqüência da sazonalidade ε t, η t, ξ t, k t e k t * : erros estocásticos não correlacionados Das equações 2 a 8, nota-se que os componentes são modelados de forma que variem no tempo, ou seja, possuem comportamento estocástico. Este modelo representado na forma de espaço-estado. A forma geral da representação aplica-se a uma série de tempo multivariada, y t, contendo N elementos. Estas variáveis observáveis são escritas em um vetor de dimensão m x 1, α t, conhecido como vetor-estado. A equação de medida é da forma: nula y t = Z t α t + d t + ε t (8) Onde: Z t : matriz de dimensão N x m d t : vetor de dimensão N ε t : vetor de dimensão N cujos componentes são não correlacionados e possuem média Os elementos de α t, em geral, são não observáveis. Contudo, eles são conhecidos por serem gerados de um processo de Markov de primeira ordem da forma: α t = T t α t-1 + c t + R t η t (9) A equação 10 é chamada de equação de transição. As matrizes de sistema Z t, d t, H t, T t, c t, R t e Q t são modeladas de forma a variarem no tempo. Entretanto, em modelos estacionários, essas matrizes são fixas e conhecidas por homogêneas no tempo. Para Nelson e Kim (1999) os modelos estacionários são uma representação particular da classe geral de modelos estocásticos. A representação no formato estado-espaço permite a utilização dos algoritmos recursivos do filtro de Kalman para estimação do vetor de estados em t, baseado na informação disponível em t. Seja a t-1 o estimador ótimo de α t-1 baseado nas informações até y t, incluindo este. Considere P t-1 a matriz de covariância com dimensão m x m dos erros, isto é, P t-1 = E[(α t-1 -a t-1 )(α t-1 -a t-1 ) ] (10) Dados a t-1 e P t-1, o estimador ótimo de α t é dado por: a t t-1 = T t a t-1 + c t (11) A matriz de covariância do erro estimado é: P t t-1 = T t P t-1 T t` + R t Q t R t` (12) As equações 12 e 13 são as equações de previsão. Após cada nova observação disponível, y t, o estimador de α t, a t t-1, pode ser atualizado. As equações de atualização são:
6 a t = a t t-1 + P t t-1 Z t`f -1 t (y t -Z t a t t-1 -d t ) (13) P t = P t t-1 -P t t-1 Z t`f -1 t Z t P t t-1 (14) F t = Z t P t t-1 Z t`+ H t (15) O conjunto de equações 12 a 16 formam o filtro de Kalman. Uma outra forma de representar o filtro, é utilizar recursões indo de a t-1 até a t. A matriz de ganho, K t, é dada por: a t+1 t = (T t+1 -K t Z t )a t t-1 + K t y t + (c t+1 -K t d t ) (16) K t = T t+1 P t t-1 Z t`f t -1 (17) A recursão para a matriz do erro da covariância é: P t+1 t = T t+1 (P t t-1 -P t t-1 Z t`f t -1 Z t P t t-1 )T t+1` + R t+1 Q t+1 R t+1` (18) Os valores iniciais para estimação dos parâmetros pelo filtro de Kalman podem ser especificados em termos de a 1 0 e P 1 0. Dadas estas condições iniciais, o filtro de Kalman fornece o estimador ótimo do vetor-estado assim que cada nova observação torna-se disponível. Este mesmo estimador contém toda a informação necessária para realizar previsões ótimas de valores futuros tanto do estado quanto das observações. 3 Metodologia e Análise dos Resultados A proposta desta seção é aplicar a o Filtro de Kalmann como estimador de vendas do varejo, transformando em um instrumento capaz de auxiliar no processo orçamentário para a estimação do volume de vendas das empresas do varejo, tais como hipermercados e grandes magazines. O trabalho está fundamentado para estimar o modelo que melhor representa o a série temporal das vendas nominais do varejo para o período compreendido entre primeiro trimestre de 2000 e o primeiro trimestre de 2008, se traduzindo em 33 observações, partindose de uma base 100 em A partir da amostra selecionada se realizou uma análise dos dados sem nenhuma espécie de tratamento, construindo-se, simplesmente o gráfico da série econômica.
7 Figura 1: Série temporal das vendas nominais trimestrais no varejo Fonte: Elaborado pelos autores O próximo passo é suavizar a série através da modelagem multiplicativa, tomando-se o logaritmo da série, gerando pequena suavização, conforme o gráfico da série em logaritmo. Figura 2: Série logarítmica das vendas nominais trimestrais no varejo Fonte: Elaborado pelos autores A simples observação dos dois gráficos acima demonstra que as séries apresentam uma inclinação positivamente inclinada e uma sazonalidade recorrente, com o último trimestre de cada ano possuindo um comportamento tipicamente sazonal. Em se tratando de vendas nominais no varejo a tendência de crescimento e o comportamento sazonal pode ser percebido até intuitivamente.
8 Após estas conclusões, pode-se então estimar o modelo estrutural básico que melhor se adéqua à série de dados, fazendo as comparações estatísticas dos hiperparâmetros encontrados dentro dos modelos possíveis. A partir das observações pode-se optar por um primeiro modelo estrutural básico, que será estimado decompondo a série em uma soma de tendência, sazonalidade trigonométrica e um erro estocástico, conforme resultados abaixo. Componentes Valor q - ratio Erro estocástico 0, ,0000 Nível 0, ,0000 Inclinação 3,0412e-005 0,2816 Sazonalidade 1, ,01227 Quadro 1: Modelo estrutural básico decomposto em uma soma de tendência, sazonalidade trigonométrica e um erro estocástico Fonte: Elaborada pelos autores O processo de estimação apresentou uma convergência muito forte, cabendo agora testar se o modelo está bem especificado com a construção dos testes de diagnósticos de erros O teste principal e mais usado é o Teste Q de Box Pierce. Para o modelo estrutural acima e para um valor crítico de 16,244 com 6 graus de liberdade, o p-valor foi de 0,00387, abaixo de 5%. Tal fato indica uma alta correlação dos erros, sinalizando que este modelo está mal estruturado. Tal resultado sugere a introdução de um componente cíclico de forma a melhorar a especificação. O modelo estrutural é composto então pela soma de uma tendência, uma sazonalidade, um ciclo de quatro trimestres e um erro estocástico. O resultado da estimação do segundo modelo proposto encontra-se no Quadro 2. Componentes Valor q ratio Erro estocástico 0, ,0000 Nível 9,7712e-006 0,1655 Inclinação 5,9044e-005 1,0000 Sazonalidade 2,17777e-006 0,0369 Ciclo 0, ,0000 Quadro 2: Modelo estrutural básico decomposto em soma de uma tendência, uma sazonalidade, um ciclo de quatro trimestres e um erro estocástico Fonte: Elaborada pelos autores Para testar a ausência de autocorrelação se utilizou o teste Q de Box Pierce que indicou um p-valor de 0, para um valor crítico de 12,8437 com 7 graus de liberdade, demonstrando que os erros são não correlacionados. Além disso, se realizou outro teste indicativo de autocorrelação serial nos erros, o de Durbin Watson (DW). Para o modelo especificado acima, o valor do teste foi de 1,85645, indicando a ausência de autocorrelação nos resíduos. Abaixo são apresentados os demais resultados de diagnóstico: Testes nos resíduos do modelo Resultado Variância do erro de previsão 0, R 2 0, Chi 2 (6) à valor crítico de 10,437 0, Akaike -8, Schwartz -7, Quadro 3: Teste de Box Pierce e de Durbin Watson (DW) Fonte: Elaborada pelos autores
9 O modelo estatisticamente robusto demonstrando o que intuitivamente se imaginava que a série não possui ciclos possui uma tendência definida é possui alta sazonalidade. Mesmo considerando que o modelo estimado sem ciclos apresentou erros autocorrelacionados. A seguir é apresentado um gráfico com o comportamento dos resíduos para fundamentar os resultados encontrados estatisticamente. Figura 3, 4, 5 e 6: Autocorrelação e distribuição normal das séries temporais e logarítmica de vendas nominais trimestrais no varejo Fonte: Elaborado pelos autores A seguir apresentamos as estimações dentro e fora da amostra, demonstrando uma capacidade de acerto bastante grande.
10 Figura 7 e 8: Estimações dentro (realizado) e fora (projetado) da amostra Fonte: Elaborado pelos autores Figura 9, 10 e 11:Comportamento dos estimadores dentro e fora da amostra Fonte: Elaborado pelos autores Os resultados obtidos para os estimadores dentro e fora da amostra evidenciam consistência estatística tanto para os estimadores dentro da amostra, como para os estimadores fora da amostra. Por outro lado, na medida em que os estimadores se afastam da amostra o grau de consistência diminui.
11 4 Considerações Finais A utilização do modelo estrutural do filtro de Kalman para a estimação do comportamento da série de vendas nominais do varejo trimestral, a partir da amostra compreendida entre o primeiro trimestre de 2000 e o primeiro trimestre de 2008, demonstrou uma evidência empírica de que a sua utilização para realizar tais estimativas gera resultados com robustez estatística e menores níveis de erro. Os resultados apurados demonstraram capacidade de projeção com erro estatisticamente baixo, tanto para projeções dentro da amostra como para projeções fora da amostra. Entende-se ainda que a robustez de tal modelo permite a aplicação de ferramentas econométricas na projeção de vendas das empresas do setor de varejo, possibilitando a redução do nível de erro de tais projeções. Para trabalhos futuros, sugerem-se aplicações do modelo proposto a amostras diferentes e a outros setores da economia. Referências ARAÚJO, Péricles César de. Aplicação do Filtro de Kalman na determinação do prazo de validade de alimentos perecíveis. Feira de Santana: Sitientibus, Ed. 23, HARVEY, A. C Forecasting, structural time series models and the Kalman filter. Cambridge University Press, New York. ENDERS, W Applied Econometric Time Series. Second Edition, John Wiley & Sons, Nova York. KIM, C. J., NELSON, C. R State- Space Models with Regime Switching. MIT Press, London. LUNKES, Roberto João. Manual de Orçamento. São Paulo, Atlas, PADOVEZE, Clóvis Luís; TARANTO, Fernando Cesar. Orçamento Empresarial: novos conceitos e técnicas. São Paulo: Pearson Education do Brasil, SÁ, Carlos Alexandre ; MORAES, José Rabello.O Orçamento Estratégico: Uma Visão Empresarial. Rio de Janeiro, Qualitymark, SANTOS, José Luiz dos; SCHMIDT, Paulo; PINHEIRO, Paulo Roberto; MARTINS, Marco Antônio. Fundamentos de Orçamento Empresarial. São Paulo: Atlas, Site ipeadata.gov.br: Acessado em 14 de abril de 2010.
Metodologia de Box-Jenkins. Metodologia de Box-Jenkins. Metodologia de Box-Jenkins
Programa de Pós-graduação em Engenharia de Produção Análise de séries temporais: Modelos de Box-Jenkins Profa. Dra. Liane Werner Metodologia de Box-Jenkins Para os modelos de decomposição e os modelos
Leia maisESTIMAÇÃO DA RECEITA LÍQUIDA EM UMA EMPRESA DE VAREJO ATRAVÉS DE UMA MODELAGEM ESTRUTURAL
ESTIMAÇÃO DA RECEITA LÍQUIDA EM UMA EMPRESA DE VAREJO ATRAVÉS DE UMA MODELAGEM ESTRUTURAL Marco Antônio dos Santos Martins * Frederike Monika Budiner Mette ** Guilherme Ribeiro de Macêdo *** Resumo: O
Leia mais2 Modelos em Espaço de Estado Lineares: Formulação Geral
2 Modelos em Espaço de Estado Lineares: Formulação Geral 2.1 Definição Geral de um Modelo Linear Apresenta-se uma definição de modelos em EE lineares que seja a mais geral e flexível possível, e que segue
Leia maisXI Encontro de Iniciação à Docência
4CCSADEMT03 O MODELO IS LM: UMA ABORDAGEM PARA A ECONOMIA BRASILEIRA NO PERÍODO DE 1995 2007 Tatyanna Nadábia de Souza Lima (1), Marcilia Nobre Gadelha (2), Sinézio Fernandes Maia (3) Centro de Ciências
Leia maisMarkov Switching Models. Profa. Airlane Alencar. Depto de Estatística - IME-USP. lane. Ref: Kim e Nelson (1999) e Hamilton (1990)
Markov Switching Models Profa. Airlane Alencar Depto de Estatística - IME-USP www.ime.usp.br/ lane Ref: Kim e Nelson (1999) e Hamilton (1990) 1 Objetivo Mudança nos parâmetros de um modelo de regressão
Leia maisA análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004).
3 Séries temporais A análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004). 3.1. Princípios fundamentais Conforme Box et al. (1994), uma
Leia maisAplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante
Aplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante Eduardo Campana Barbosa1 Carlos Henrique Osório Silva2 Resumo: Utilizou-se a metodologia Box & Jenkins para previsão da demanda
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia maisRegressões: Simples e MúltiplaM. Prof. Dr. Luiz Paulo Fávero 1
Regressões: Simples e MúltiplaM Prof. Dr. Luiz Paulo FáveroF Prof. Dr. Luiz Paulo Fávero 1 1 Técnicas de Dependência Análise de Objetivos 1. Investigação de dependências entre variáveis. 2. Avaliação da
Leia maisProfessora: Mestre Greyce Lara Pereira Disciplina: Orçamento Empresarial 7º Período Turma: Única Data: 13/02/2017 NOTAS DE AULA
Professora: Mestre Greyce Lara Pereira Disciplina: Orçamento Empresarial 7º Período Turma: Única Data: 13/02/2017 NOTAS DE AULA Temática: Organização do Sistema de Orçamento Referências: PADOVEZE, Clóvis
Leia maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia maisMODELOS ECONOMÉTRICOS PARA DADOS DE ALTA- FREQUENCIA: TEORIA E APLICAÇÕES
MODELOS ECONOMÉTRICOS PARA DADOS DE ALTA- FREQUENCIA: TEORIA E APLICAÇÕES Aluno: Thiago Portugal Frotté Orientador: Marcelo Cunha Medeiros Introdução Atualmente a previsão de eventos econômicos está em
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
Leia maisVetores Auto-Regressivos (VAR) Cristian Rafael Pelizza Estágio de docência
Vetores Auto-Regressivos (VAR) Cristian Rafael Pelizza Estágio de docência Forma estrutural e reduzida O método VAR busca capturar a interdependência entre múltiplas séries de tempo. Estrutura-se equações
Leia mais2 Estimação de uma Curva de Demanda Agregada para o Brasil
2 Estimação de uma Curva de Demanda Agregada para o Brasil Neste capítulo, identificamos e estimamos uma equação de demanda agregada com dados brasileiros. Nos próximos capítulos, utilizamos esta relação
Leia maisEconometria - Lista 6
Econometria - Lista 6 Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 A curva de Phillips desempenha um papel fundamental na
Leia mais4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Leia mais7 Conclusões e desenvolvimentos futuros
7 Conclusões e desenvolvimentos futuros 7.1 Conclusões Este trabalho apresentou novas soluções para a determinação da posição de terminais de comunicações móveis com base em medidas de ToA. Nos métodos
Leia mais3 Filtro de Kalman Discreto
3 Filtro de Kalman Discreto As medidas realizadas por sensores estão sujeitas a erros, como pode ser visto no Capítulo 2. Os filtros são aplicados aos sinais medidos pelos sensores para reduzir os erros,
Leia maisEconometria IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
Leia mais5 Filtro de Kalman Aplicado ao Modelo de Schwartz e Smith (2000)
5 Filtro de Kalman Aplicado ao Modelo de Schwartz e Smith (2000) A primeira parte deste capítulo, referente à passagem dos modelos estocásticos para as equações do Filtro de Kalman, já foi previamente
Leia mais2 Modelos de sintetização de séries temporais de atenuação por chuva
2 Modelos de sintetização de séries temporais de atenuação por chuva Alguns modelos estocásticos de sintetização de séries temporais de atenuação por chuva são baseados no modelo proposto por Maseng &
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisORÇAMENTO EMPRESARIAL
ORÇAMENTO EMPRESARIAL Engenharia de Produção Prof. Flávio Smania Ferreira flavioferreira@live.estacio.br http://flaviosferreira.wordpress.com PLANO DE ENSINO Ementa: A natureza do processo de planejamento
Leia maisFATORES EXPLICATIVOS DO SALDO DA BALANÇA COMERCIAL DO BRASIL 1990 A 1997
Economia e Desenvolvimento, nº 11, março/2000 Artigo Acadêmico FATORES EXPLICATIVOS DO SALDO DA BALANÇA COMERCIAL DO BRASIL 1990 A 1997 Zenir Adornes da Silva * Resumo: Neste artigo, analisa-se a influência
Leia maisOrçamento 29/08/2016. Orçamento de Vendas. Orçamento de Produção. Orçamento de Estoque Final. Orçamento de custos indiretos de fabricação
Orçamento Vendas Estoque Final Produção matéria-prima direta mão-de-obra direta custos indiretos de fabricação Custo dos Produtos Vendidos investimentos financiamentos Caixa despesas de vendas e administrativas
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia mais6 Implementação do Modelo e do Filtro de Kalman
6 Implementação do Modelo e do Filtro de Kalman A seguir são descritos os passos seguidos para a implementação do modelo proposto em SCHWARTZ E SMITH (2000). São descritas as séries de contratos futuros
Leia maisMestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007
Projeções de Séries S Temporais Econometria dos Mercados Financeiros Mestrado Profissionalizante em Finanças as e Economia Empresarial FGV / EPGE Prof. Eduardo Ribeiro Julho Setembro 2007 Objetivo do curso
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisFundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia. Estatística espacial. Áreas
Fundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia Estatística espacial Áreas Áreas Na análise de áreas o atributo estudado é em geral resultando de uma contagem ou um
Leia maisAnálise de séries temporais. Prof. Thaís C O Fonseca DME - UFRJ
Análise de séries temporais Prof. Thaís C O Fonseca DME - UFRJ Conteúdo do curso Parte 1: Problemas e objetivos, conceitos básicos, processos estocásticos, estacionariedade, autocorrelação e correlação
Leia maisUMA ANÁLISE ECONOMÉTRICA DO ICMS *
UMA ANÁLISE ECONOMÉTRICA DO ICMS * Carlos Eduardo S. Marino ** * Trabalho de conclusão da disciplina de Econometria I, ministrada pelos professores Ivan Castelar e Vitor Monteiro, realizada no primeiro
Leia maisAnálise de Regressão
Análise de Regressão Tópicos em Avaliação de Desempenho de Sistemas Aline Oliveira Camila Araujo Iure Fé Janailda aso2@cin.ufpe.br cga2@cin.ufpe.br isf2@cin.ufpe.br jbs4@cin.ufpe.br Agenda Parte I: Contextualização
Leia maisTópicos de Estatística Espacial Geoestatística
Tópicos de Estatística Espacial Geoestatística Anderson Castro Soares de Oliveira Geoestatística A geoestatística é uma análise espacial que considera que a variável em estudo se distribui continuamente
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisPredição do preço médio anual do frango por intermédio de regressão linear
Predição do preço médio anual do frango por intermédio de regressão linear João Flávio A. Silva 1 Tatiane Gomes Araújo 2 Janser Moura Pereira 3 1 Introdução Visando atender de maneira simultânea e harmônica
Leia maisGeração de cenários de energia renovável correlacionados com hidrologia: uma abordagem bayesiana multivariada.
Geração de cenários de energia renovável correlacionados com hidrologia: uma abordagem bayesiana multivariada [alessandro@psr-inc.com] Conteúdo Introdução Estimação não paramétrica (Kernel density) Transformação
Leia maisPredição da Taxa de Desemprego Brasileira utilizando com Modelo de Regressão com Erros Autocorrelacionados
Predição da Taxa de Desemprego Brasileira utilizando com Modelo de Regressão com Erros Autocorrelacionados José Eduardo Holanda Ellery Coelho 1 Hellano Vieira de Almeida 2 Rafael Braz Azevedo Farias 3
Leia maisAULA 07 Regressão. Ernesto F. L. Amaral. 05 de outubro de 2013
1 AULA 07 Regressão Ernesto F. L. Amaral 05 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas
Leia maisMESTRADO PROFISSIONAL EM ECONOMIA. Área Econometria MESTRADO PROFISSIONAL EM FINANÇAS OU ECONOMIA 1. vire aqui
MESTRADO PROFISSIONAL EM ECONOMIA Área Econometria MESTRADO PROFISSIONAL EM FINANÇAS OU ECONOMIA 1 vire aqui DISCIPLINAS MATEMÁTICA Esta disciplina tem como objetivo apresentar aos alunos o instrumental
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Motivação Motivação Por
Leia maisCURTA DURAÇÃO APLICAÇÕES DE ESTATÍSTICA
CURTA DURAÇÃO APLICAÇÕES DE ESTATÍSTICA OBJETIVO O curso tem como objetivo apresentar algumas técnicas de estatística aplicada utilizar a na análise de dados. PERFIL DO ALUNO Destina-se a executivos das
Leia maisRevisão dos Modelos de Vetores Autorregressivos com Fundamentação Econômica 2012
Revisão dos Modelos de Vetores Autorregressivos com Fundamentação Econômica 2012 No amplo conjunto de modelos utilizados pelo Banco Central para projetar a inflação, encontram-se, entre outros, os modelos
Leia maisProfissinais que desejam adquirir ou aprimorar seus conhecimentos em modelagem de dados, analytics e estatística aplicada
MBA ANALYTICS OBJETIVOS Na era da informação, as empresas capturam e armazenam muitos dados, e existe a real necessidade da aplicação de técnicas adequadas para a rápida tomada de decisão com base nas
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Motivação Por exemplo, queremos analisar a série
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 10 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise Regressão: Avaliação de relações de dependência em que se explica o comportamento de uma/várias
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisDisciplina: Orçamento Empresarial. Contextualização
Disciplina: Orçamento Empresarial Contextualização A complexidade do ambiente onde as empresas atuam requer a adoção de estratégias e ferramentas adequadas para lidar com os constantes desafios e com a
Leia maisMP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Capítulo 7: Filtro de Kalman Estendido Discreto Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br
Leia maisJorge Caiado CEMAPRE/ISEG, Universidade Técnica de Lisboa Web:
CEMAPRE/ISEG, Universidade Técnica de Lisboa Email: jcaiado@iseg.utl.pt Web: http://pascal.iseg.utl.pt/~jcaiado/ 1 Uma série temporal (time series) consiste num conjunto de observações de uma variável,
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisipea O DESEMPENHO DO MERCADO (FOCUS) E DO BACEN NA PREVISÃO DA INFLAÇÃO: COMPARAÇÕES COM MODELOS LINEARES UNIVARIADOS 1. INTRODUÇÃO 2.
O DESEMPENHO DO MERCADO (FOCUS) E DO BACEN NA PREVISÃO DA INFLAÇÃO: COMPARAÇÕES COM MODELOS LINEARES UNIVARIADOS Elcyon Caiado Rocha Lima Brisne J. Vasquez Céspedes 1. INTRODUÇÃO A capacidade do Banco
Leia mais3 Modelo estocástico para os fatores de risco
Modelo estocástico para os fatores de risco 35 3 Modelo estocástico para os fatores de risco 3.1. Conceitos básicos Um dos principais problemas de um ALM é a modelagem da incerteza sobre os valores futuros
Leia mais( ) Estimação do valor em risco (VaR) de uma carteira de ativos através de método bayesiano. α, é definido como:
Estimação do valor em risco (VaR) de uma carteira de ativos através de método bayesiano Orlando V. Sampaio Jr. (POLI-USP) orlando.sampaio@gmail.com Celma de Oliveira Ribeiro (POLI-USP) celma@usp.br André
Leia maisLES0773 Estatística Aplicada III
LES0773 Estatística Aplicada III Prof. Luciano Rodrigues Aula 6 Departamento de Economia, Administração e Sociologia Escola Superior de Agricultura Luiz de Queiroz-ESAQ Universidade de São Paulo-USP lurodrig2209@gmail.com
Leia maisOrçamento de Vendas. Prof. Alexandre Silva de Oliveira, Dr.
Orçamento de Vendas Prof. Alexandre Silva de Oliveira, Dr. Orçamento de Vendas Conceito: É a planificação futura das vendas para determinado período, relacionando em suas projeções os produtos e/ou serviços
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisAnálise da série temporal do desemprego em regiões metropolitanas do Brasil
Análise da série temporal do desemprego em regiões metropolitanas do Brasil Érica Fernanda da Cruz 1 3 Tamara Aparecida Nogueira dos Anjos 2 Thelma Sáfadi 2 1 Introdução O desemprego no Brasil é uma constante
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 6
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 6 O Teorema de Wold O Teorema de Wold Lei dos Grandes Números Teorema Central do Limite -M O Teorema de Wold
Leia maisAULA 1 - Modelos determinísticos vs Probabiĺısticos
AULA 1 - Modelos determinísticos vs Probabiĺısticos Susan Schommer Econometria I - IE/UFRJ O que é Econometria? Aplicação de métodos estatísticos e matemáticos para analisar os dados econômicos, com o
Leia maisMESTRADO PROFISSIONAL EM ECONOMIA. Ênfase em Banking (Economia e Finanças Bancárias) MESTRADO PROFISSIONAL EM ECONOMIA - ÊNFASE BANKING 1.
MESTRADO PROFISSIONAL EM ECONOMIA Ênfase em Banking (Economia e Finanças Bancárias) MESTRADO PROFISSIONAL EM ECONOMIA - ÊNFASE BANKING 1 vire aqui DISCIPLINAS MATEMÁTICA Esta disciplina tem como objetivo
Leia maisAnálise e previsão das taxas da população ocupada em Fortaleza, Ceará, de setembro de 1991 a dezembro de 2008
Análise e previsão das taxas da população ocupada em Fortaleza, Ceará, de setembro de 1991 a dezembro de 2008 Daniela Bandeira, Paulo Germano, Filipe Formiga e Jeremias Leão Universidade Federal do Piauí
Leia maisPESQUISA EM MERCADO DE CAPITAIS. Prof. Patricia Maria Bortolon, D. Sc.
PESQUISA EM MERCADO DE CAPITAIS Prof. Patricia Maria Bortolon, D. Sc. Cap. 7 A Estrutura de Correlações dos Retornos dos Ativos: modelo de índice único ELTO, E.; GRUBER, M.; BROW, S., GOETZMA, W. Moderna
Leia mais2 Revisão Bibliográfica
Revisão Bibliográfica 20 2 Revisão Bibliográfica Antes de definir o modelo para previsão de carga elétrica, é necessário fazer um breve resumo dos mais tradicionais modelos de previsão de carga publicados
Leia maisEstimação e Modelagem de Volatilidade - Eduardo Ribeiro 1
Discutiremos agora diferentes métodos de estimação de volatilidade de ativos. Volatilidade pode ser entendido como o risco de um ativo (retorno incerto). Volatilidade é chave para precificar opções e calcular
Leia maisAnálise de Séries Temporais. Modelos estacionários Processos puramente aleatórios, AR(p), MA(q) ARIMA(p,q)
UNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Análise de Séries Temporais. Modelos estacionários Processos puramente aleatórios, AR(p), MA(q) ARIMA(p,q)
Leia maisEconometria Lista 1 Regressão Linear Simples
Econometria Lista 1 Regressão Linear Simples Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 (2.9 do Wooldridge 4ed - Modificado)
Leia maisINSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Estatística II - Licenciatura em Gestão Época de Recurso - Parte prática (14 valores) 24/01/2011.
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Estatística II - Licenciatura em Gestão Época de Recurso - Parte prática (14 valores) 24/01/2011 Nome: Nº Espaço reservado para a classificação (não escrever aqui)
Leia mais3 Metodologia. resenha de VAN DIJK et al. (2002). 12 Para uma exposição extensiva do uso do modelo STR aplicado a séries macroeconômicas, ver a
3 Metodologia Como explicado acima, o modelo novo-keynesiano não fornece bases teóricas que motivem a existência de não-linearidades na CPNKH. Por isso, optamos por utilizar uma estratégia empírica flexível
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisPÓS-GRADUAÇÃO ANÁLISE DE DATA MINING
PÓS-GRADUAÇÃO ANÁLISE DE DATA MINING OBJETIVOS Na era da informação, as empresas capturam e armazenam muitos dados, e existe a real necessidade da aplicação de técnicas adequadas para a rápida tomada de
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisEconometria - Lista 5
Econometria - Lista 5 Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 Utilizando a base de dados disponível em TEMCOPROD.wtf1,
Leia maisAvaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação
Avaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação Vanessa Siqueira Peres da Silva 1 2 Daniel Furtado Ferreira 1 1 Introdução É comum em determinadas
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisLaboratório Nº 5. A geoestatística permite descrever a continuidade espacial, a qual é uma característica
Laboratório Nº 5 INTRODUÇAO A geoestatística permite descrever a continuidade espacial, a qual é uma característica essencial de muitos fenómenos naturais. Modelos inferenciais para este objetivo vêm sendo
Leia maisUm modelo estatístico para campeonatos de Futebol
Um modelo estatístico para campeonatos de Futebol Zwinglio Guimarães IFUSP Tratamento Estatístico de dados em Física Experimental - 2016 Sumário Apresentar um modelo para jogos de Futebol Incerteza dos
Leia maisPREVISÃO. Prever o que irá. acontecer. boas decisões com impacto no futuro. Informação disponível. -quantitativa: dados.
PREVISÃO O problema: usar a informação disponível para tomar boas decisões com impacto no futuro Informação disponível -qualitativa Prever o que irá acontecer -quantitativa: dados t DEI/FCTUC/PGP/00 1
Leia maisMELHORA DO MODELO SARIMA PARA A PREVISÃO DA DEMANDA MÁXIMA DE CARGA DE ENERGIA DA PUC-RIO UTILIZANDO A SIMULAÇÃO PELO MÉTODO DE MONTE CARLO
João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016 MELHORA DO MODELO SARIMA PARA A PREVISÃO DA DEMANDA MÁXIMA DE CARGA DE ENERGIA DA PUC-RIO UTILIZANDO A SIMULAÇÃO PELO MÉTODO DE MONTE CARLO SERGIO
Leia maisNome: Número: Espaço reservado para classificações
Instituto Superior de Economia e Gestão Universidade de Lisboa Licenciaturas em Economia e em Finanças Econometria - Época Normal - 07/01/2015 Duração 2 horas Nome: Número: Notas: A utilização do telemóvel
Leia maisAnálise e Previsão de Séries Temporais Aula 2: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 2: Introdução às séries temporais egs@cin.ufpe.br Análise e Previsão de Séries Temporais Aula 1 Agenda Resumo da Aula anterior; Estimação e eliminação dos componentes
Leia maisUtilizando a função auto.arima em modelos de séries temporais
Utilizando a função auto.arima em modelos de séries temporais Erasnilson Vieira Camilo 1 2 Marina Rodrigues Maestre 1 Rick Anderson Freire Mangueira 1 Elias Silva de Medeiros 1 Cristian Villegas 1 1 Introdução
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisDeterminantes da Demanda de Óleo Diesel no Brasil. Niágara Rodrigues UFF Luciano Losekann UFF Getúlio Borges UFRJ
Determinantes da Demanda de Óleo Diesel no Brasil Niágara Rodrigues UFF Luciano Losekann UFF Getúlio Borges UFRJ Gramado Setembro de 2016 ESTRUTURA Introdução Objetivo Metodologia Resultados Conclusões
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisREGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
Leia maisEndogeneidade, Variáveis Instrumentais e Modelos de Equações Estruturais
1 Endogeneidade, Variáveis Instrumentais e Modelos de Equações Estruturais Ernesto F. L. Amaral Magna M. Inácio 21 de outubro de 2010 Tópicos Especiais em Teoria e Análise Política: Problema de Desenho
Leia maisAnálise do volume útil do reservatório de Furnas via modelos de séries temporais
Análise do volume útil do reservatório de Furnas via modelos de séries temporais Cristina Henriques Nogueira 1 3 Thelma Sáfadi 2 1 Introdução A energia elétrica é, sem dúvida, um recurso indispensável
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisPROGRAMA DE DISCIPLINA
Faculdade Anísio Teixeira de Feira de Santana Autorizada pela Portaria Ministerial nº 552 de 22 de março de 2001 e publicada no Diário Oficial da União de 26 de março de 2001. Endereço: Rua Juracy Magalhães,
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia maisRelatório de progresso #2. Modelo de Previsão e Resultados
Relatório de progresso #2 Modelo de Previsão e Resultados Relatório de progresso #2 Modelo de Previsão e Resultados PORTUGUESE TEXTILE INDEX Relatório de Progresso #2 ÍNDICE 1 Introdução 9 2 Metodologia
Leia maisDelineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Leia maisIntrodução Técnicas Descritivas. Modelos Probabilísticos. Previsão. Exercício 19/11/2012. Recursos Gráficos Decomposição Filtros Lineares
Professores: Paulo Maciel Ricardo Massa Aluno: Anderson Elias - aen@cin.ufpe.br Ayhalla Riceli carlp@cin.ufpe.br Introdução Técnicas Descritivas Recursos Gráficos Decomposição Filtros Lineares Modelos
Leia maisNotas de Aulas Econometria I ** Eduardo P. Ribeiro, 2010 PARTE II
Notas de Aulas Econometria I ** Eduardo P Ribeiro, 00 PARTE II Autocorrelação Autocorrelação: violação da hipótese: E [ε t ε t-s ] = 0, para s > 0, como por exemplo, ε t = ε t- + υ t, onde υ t é ruído
Leia maisNBC TA 520 Procedimentos analíticos
NBC TA 520 Procedimentos analíticos Índice Item Introdução Alcance 1 Data de vigência 2 Objetivos 3 Definição 4 Requisitos Procedimentos analíticos substantivos 5 Procedimentos analíticos que auxiliam
Leia mais